Previsão com IA: Hype, Realidade e no que Confiar

Todo CRO que conhecemos já recebeu a promessa de uma previsão melhor pelo menos três vezes. Uma vez de uma ferramenta de BI, uma vez com matemática de pipeline ponderado, uma vez com a geração anterior de software preditivo. A maioria dessas promessas ficou aquém. Então, quando um fornecedor agora diz que a IA finalmente vai acertar o número, o ceticismo é o reflexo certo. A previsão é difícil por razões que não desaparecem só porque o modelo ficou maior.

Mas descartá-la de imediato também é errado. A IA melhora a previsão de formas específicas, e vale a pena ser preciso sobre quais são elas, o que "acurácia" deveria sequer significar, e como decidir se uma determinada previsão merece a sua confiança.

Por que prever é difícil, e por que a IA não muda isso

Uma previsão de vendas é uma predição sobre decisões humanas que ainda não foram tomadas, em condições que talvez ainda não existam. Esse é um problema diferente de prever qualquer coisa governada pela física.

O sinal é escasso. Mesmo uma grande equipe B2B fecha um número limitado de negócios por trimestre, o que é uma amostra pequena para qualquer modelo estatístico, e cada negócio tem suas próprias particularidades. O mundo continua se movendo: seu preço, seu produto, seus concorrentes e o mercado mudaram desde que os dados de treinamento foram coletados, então um modelo treinado nos negócios do ano passado está prevendo um jogo cujas regras mudaram. Os próprios dados são corrompidos por incentivos. Vendedores fazem sandbagging e otimismo excessivo de formas previsíveis, mas difíceis de modelar, e qualquer IA treinada nesses dados herda o viés. E os negócios que explodem ou superam em muito a meta costumam ser exatamente os que nenhum padrão teria previsto.

Nada disso é revogado. Qualquer um que venda uma previsão de IA como "finalmente precisa" está prometendo demais. O que a IA pode fazer é ser significativamente melhor do que pipeline ponderado e instinto. Isso é uma melhoria real, mas ainda é uma previsão.

Onde a IA realmente ajuda

Dentro desses limites, há quatro ganhos concretos sobre os métodos antigos.

Ela usa muito mais sinal. Em vez de estágio do negócio e uma data de fechamento inserida pelo vendedor, um modelo pode incorporar capacidade de resposta por e-mail, frequência de reuniões, quantos stakeholders estão engajados, uso do produto e se o momentum está crescendo ou diminuindo. É a mesma amplitude de percepção que permite à IA ler sinais de receita que humanos deixam passar, aplicada à predição.

Ela é consistente. O modelo aplica a mesma lógica a cada negócio, toda semana. Não fica otimista nos últimos cinco dias do trimestre nem pessimista depois de uma derrota ruim. Só isso já elimina toda uma categoria de erro humano.

Os bons modelos se explicam. Uma previsão de IA útil sinaliza quais negócios estão impulsionando o risco e quais sinais mudaram as chances de um negócio, de modo que o número se torna um diagnóstico, não um veredito.

E ela se atualiza continuamente. Em vez de uma fotografia semanal reunida para a reunião de segunda-feira, a previsão se reestima à medida que novos sinais chegam, de modo que o risco aparece mais cedo.

Juntando tudo, a previsão deixa de ser um relatório e passa a funcionar como um sistema de alerta antecipado. O número importa menos do que o padrão de mudança e o raciocínio no nível do negócio por trás dele.

Acurácia é a coisa errada para se obcecar

As equipes se fixam em quão perto o número previsto chega do real. Isso importa. Mas persegui-lo sozinho é uma armadilha, por duas razões.

Uma previsão pode ser precisa pelos motivos errados, com erros que por acaso se cancelam. Ela também pode ser imprecisa de formas úteis. Se o modelo sinaliza que um negócio provavelmente vai escorregar e a equipe trabalha duro nele e o salva, o resultado mudou e a predição "falhou". Isso é uma boa previsão que pontua mal.

As propriedades que valem mais são calibração e acionabilidade. Calibração significa que, quando o modelo diz 70%, esses negócios fecham cerca de 70% das vezes. Um modelo honesto sobre sua incerteza vale mais do que um confiante que ocasionalmente erra feio. Acionabilidade significa que a previsão indica onde intervir cedo o suficiente para mudar o resultado.

Então julgue uma previsão de IA pelo fato de ela ser honesta sobre o que não sabe e de fazer você agir mais cedo. Um modelo que mostra sua confiança e seu raciocínio é um modelo que você consegue governar, que é todo o sentido de manter a IA de receita responsável.

Como decidir se deve confiar

Alguns testes antes de apostar um trimestre nisso.

Peça dados de calibração. O fornecedor acompanha probabilidades previstas versus reais ao longo do tempo? Se não conseguir mostrar isso, desconfie. A maioria não consegue.

Procure raciocínio, não só um número. Uma previsão confiável explica quais negócios e sinais a impulsionam. Um número opaco é uma caixa-preta que você não consegue gerenciar, e geralmente um sinal de IA colada em um sistema que não consegue enxergar dados suficientes.

Verifique se um humano ainda é dono da decisão. A previsão é uma entrada para o julgamento do CRO. O CRO ainda faz o commit. Este é o modelo humano no circuito em sua forma mais simples: a IA informa, uma pessoa decide.

E dê a ela alguns ciclos. Rode-a paralelamente ao seu processo atual, compare e deixe que conquiste credibilidade da mesma forma que você esperaria de um novo gerente de vendas. Nenhum sistema de previsão, com ou sem IA, merece confiança no primeiro dia.

Principais conclusões

• A previsão é estruturalmente difícil (dados escassos, tendenciosos e não estacionários) e a IA a melhora sem remover essas limitações.
• Os ganhos reais são amplitude de sinal, consistência, explicações no nível do negócio e atualizações contínuas. Trate a previsão como um sistema de alerta antecipado, não como um placar.
• Calibração e acionabilidade superam a acurácia bruta. Uma previsão que ajuda você a salvar um negócio que ela previu que você perderia está cumprindo seu papel.
• Confie em uma previsão que mostra seu histórico de calibração, explica seu raciocínio e deixa a decisão final com uma pessoa. Depois, dê a ela alguns ciclos antes de se apoiar nela.

Usada com clareza, a previsão com IA é uma melhoria genuína sobre pipeline ponderado e instinto, porque enxerga o risco mais cedo e raciocina com mais consistência do que qualquer um de nós. Se você quer uma previsão que mostre seu trabalho e diga onde agir, esse é o problema em torno do qual a Revnewo foi construída.